clock2014.07.15 08:58
SERVICE
home

外部講演:講演録(前編)|【日立ITセミナー】収益を生むカスタマー・アナリティクスの実践手法 ~オムニチャネル時代の戦略的データ活用」

AUTHOR :  網野 知博

618
網野 知博
hitachi_IT_seminar

ビッグデータ活用のポイントは2つ。1つ目は「競争力強化にビッグデータを織り込む」こと。

株式会社日立製作所主催のセミナー「HITACHI ITセミナー:収益を生むカスタマー・アナリティクスの実践手法 ~オムニチャネル時代の戦略的データ活用」に登壇致しました。基調講演に登壇した後、パネルディスカッションにもお声掛けいただきました。

開催日時:2014年7月11日(火)14:30~17:00

講演は3部構成となっており、今回は、第1部の基調講演の発言録(前半)をご紹介致します。

  • 第1部:「収益を生み出すためのビッグデータ分析+戦略思考」(講演者:株式会社ギックス網野知博)
  • 第2部:データ分析で、お客様のこころをつかむ ~お客様の多様な価値観を理解する為のデータ活用術~(株式会社日立製作所:加藤 二朗氏)
  • 第3部:パネルディスカッション(←発言録はコチラから)

基調講演「収益を生み出すためのビッグデータ分析+戦略思考」発言要旨 〜前編

HIT1-1

株式会社ギックスの網野です。本日はよろしくお願い致します。
本日のテーマは「ビッグデータ」ということなんですが、ビッグデータを活用し、どのように収益を生んでいくかというところをお話させて頂きます。

「ビッグデータ」と言うバズワードは近年非常に騒がれています。データと言う観点で見てみましょう。人類は有史以来多くのデータを生み出したのですが、最近では有史以来蓄積されてきた情報量より、たった一年強で社会が作り出すデータの方が多くなってきています。データ量が爆発的に増えていることは、ビッグデータブームの一翼を担っていることは事実です。

HIT1-2

とはいえ、主人公は誰なんでしょうか?本日のご来場頂いている方はビジネスパーソンの方がメインだと思いますので、皆様にとっての主役って誰なんでしょうか?ビッグデータというデータ自体が主役なのか、アナリティクスが主役でしょうか?
少なくても我々ビジネスパーソンからしてみたら、そこから得られる結果や成果が主人公なんじゃないかと考えています。

HIT1-3

言い換えると、経営者にとって重要なのは経営や事業の高度化に寄与しているかが重要であって、データ量がビッグが否かはどっちでもいいのです。自分達が強くしたい部分に使えているかがどうかが関心事なんですよね。

HIT1-4

ビッグデータの定義は人それぞれですが、私は「データ量や分析の複雑さによらず、Big Out Comeをもたらすデータ活用がビッグデータ」、つまり”「ビッグ」なアウトカムをもたらす、「データ」活用”がビッグデータだと考えています。

HIT1-5

1章:弊社は何者なのか?

まず我々が何者なのかという点についてですが、2012年12月12日に設立した、1年半のスタートアップ企業です。私自身はアクセンチュア株式会社で戦略コンサルタントをしており、またIBMではBAO(Business Annalytics & Optimization)という組織で、データを活用して経営や事業を高度化するサービス提供を行っておりました。主にマーケティング領域の成長戦略の検討や実行にはデータ活用は非常に有益であるため、「戦略」と「データ分析・活用」を融合したサービスを提供する目的で株式会社ギックスを立ち上げております。

メインのサービスはチームCMOというサービスです。平たく言えば、CMOのロールを代行、又はCMOを支援するというサービスです。あとは付帯するサービスとして、ビッグデータやアナリティクス領域のサービスも行っております。

HIT1-6

CMOは非常に多くの責任を負った役職なので「お前らのような若造にその支援が務まるのか?」というご意見もあるかと思うのですが、CMOの役割は大変なので、よって我々も個人で戦うわけではありません。弊社ではチームを組んで「チームCMO」というサービスを提供しています。CMOを代行するにあたって必要なケイパビリティは4つあると考えております。

HIT1-7

マーケティングの最終目標は売上を上げていく、単価や客数を増やしていくことなんですが、その為のマーケティング施策が必要で、その施策を考える為にも戦略を考えないといけません。そのためマーケティングストラテジストが必要になります。マーケティング施策を考える上で、前提としてデータが必要になってきます。そのためにデータを分析する役割、今風に言えばデータサイエンティストが必要になります。ですが、昔からSPSSやSASを使う方はいらっしゃって、統計解析もDWHを使った大量データの分析も今に始まった訳ではありません。それがビジネスで開花しなかったのは、データを使いこなすための仮説を生み出す役割、またデータを分析して結果を解釈する役割がいなかったからだと想定しています。その役割をデータアーティストと名付けております。4つの役割をチームとして一体で提供することで、チームCMOと言うサービスを提供しています。

公表を許可して頂いているクライアントさんで、JR東日本グループの株式会社ビューカードというクレジットカード会社があるんですが、ビューカードさんの社長直轄のCMOを支援するというサービスをさせて頂いております。翔泳社さんではなく、日経さんで恐縮ですが5/15発売の日経コンピューターに取材された記事が掲載されております。また、本日お話する内容の詳細は本で出版しているので、もしよろしければご一読下さい。

HIT1-8

2章:ビッグデータ活用のポイント 〜競争力強化にビッグデータを織り込む

弊社でも、よく受ける質問で「上司に、”ビッグデータやりたいんだけど、何かやれ”と言われたんですが、どうしましょうか?」になります。直接上司の方である役員や社長から言われることもあります。こういう時は苦笑いするしかなくてですね、正直困ったなぁという感じなんですよね。笑 皆さんが上司からこう言われた場合にどういなしていくか、もしくは皆さんが上司で部下の方にどのように指示を出すかと言う参考にして頂ければと思います。

ビッグデータという観点では、大きく2つアプローチがあると思っています。

  • 競争力強化にビッグデータを織り込む
  • 早い・正しい・細かいデータに基づきPD(CA)∞サイクルを回す

HIT1-9

まずは、「競争力強化にビッグデータを織り込む」についてお話させて頂きます。

競争力強化にビッグデータを活用したいという考えは誰しもが求めることだと思います。どういったところに使っていくのかという考え方を、一旦立ち止って、戦略っぽい話から入らせて頂きます。

まずは自分達の”メカニズム”を知ろうと言う話です。ビジネスモデルと言うと静的なものをイメージされるかと思うので、もっと動的で連続性があるイメージを持って頂く為にあえて「メカニズム」という言葉を使わせて頂きます。ここでいう儲け話のメカニズムとは、動的で連続性のある収益を上げる為の小話、収益を挙げていくためのカラクリというようなものを意味しています。

自分達の会社がどのように収益を上げているのか?競争力を持続する源泉はなんだっけということを振り返って考えて頂きたいんですよね。そう考えるとそこにはキーとなる「キードライバー」となるものがあるはずで、そこをビッグデータで強化できるのだとしたら収益が上がって、企業は強くなっていきますよね。

HIT1-10

「儲け話のメカニズム」と「キードライバー」が何なのかを明らかにし、どこを強くすれば、企業の競争力が向上するのかを理解した後に、そこに対してデータの活用を考えていきましょう、というのが「自社の競争力強化にビッグデータを織り込む」ということになります。

メカニズムの例として、分かりやすい例を記載します。Amazonのジェフ・ベゾス氏がファミレスの紙ナプキンにメカニズムを記したのがこちらになります。顧客中心主義者のジェフ・ベゾス氏が最もこだわったのは、「Customer Experience:顧客経験」すなわち、お客さんが”いい買い物したなぁ”と思ってもらえるようなことを軸に考えた。そのために必要なものは、まずは品揃えだと。品揃えがあれば顧客に購入してもらえる、よってお買い上げ頂き満足してもらえる(良い体験をしてもらえる)。すると、トラフィックが増えて、トラフィックが増えれば売りたいというsellerが増えて、そして品揃えが更に増える。そうなれば顧客経験が高まりまたまた購入してもらえる。このサイクルが回り続ければ成長していくというのがこの図が説明していることです。更に言えば、ECであるプラットフォームビジネスはビジネスボリュームに応じて投資額がリニアに拡大するわけではないので、成長していくことで顧客購買あたりの単位コストが下がり、ローワーコストストラクチャーという形になり、よって商品を安く提供していくことが可能になり、更に顧客経験が向上し、このサイクルが加速していきます。自社が成長すればするほど、お客さんもハッピーになっていくよねというのが、ベゾフさんが考えた儲け話のメカニズムです。まぁ、世の中の全てのビジネスがうまく小話としてまとめられるとは限りませんが、非常に分かりやすい一例として紹介させて頂きました。

HIT1-11

今はもはやAmazonは色んなことに着手されていますが、一昔前に注目を浴びたのがリコメンデーションです。Amazonは大量の顧客と大量の商品を抱えたことで、本来は成長モデルの循環サイクルからお客さんが欲しい商品をなかなか見つけられないという悪循環サイクルに陥るのを打破する必要がありました。メカニズムが回り、成長が加速していくことで膨大な顧客と膨大な商品を効率的に、かつ効果的にマッチングさせる必要があります。これがリコメンデーションを始めたきっかけでしょう。クロスセルを行って顧客単価を上げたい、売り込みたいというよりは、顧客中心で考えると、顧客に満足してもらいたい、あなたにあったいい商品があることを少しでも知ってもらいたいという思いが先にあってリコメンデーションを活用したのではないでしょうか。

一方、Amazonにより協調フィルタリングを活用したリコメンデーションが有名になった為に、どの通販会社でも「お客さんにリコメンデーションをしないといけないんだ。」と強迫観念にかられている企業が多いのです。同じ通販会社であったとしても、儲け話のメカニズムが異なれば、当然やり方もことなるわけです。当時のAmazonは大量の顧客と大量の商品をマッチングさせることが彼らにとってのキードライバーでした。ですので、キードライバーであるマッチングにビッグデータを活用することは、とても合理的な考えだと思います。通販会社さんから「協調フィルタリングで、なんかリコメンデーションをやりたいんだけど」という依頼を受けることがあります。そのような依頼を受けると、「本当にそこなんでしたっけ?」と考えてしまうんですよね。

例えばあるTVショッピングの企業を参考にしましょう。彼らのモデルは目利きのバイヤーがおもしろい商品を仕入れてきて、特長ある商品だけど、口だけだと良さが伝わらないので、映像にのせて良さをを伝えているわけです。そして、顧客が欲しいと思ってくれて、電話をかけてきてくれたら、コールセンターで取りこぼさないように受注して行くという「一期一会のお客様に対して、いかに離脱なく刈り取っていくか」が彼らのモデルなわけです。

HIT1-12

そう考えると、リコメンデーションって何か意味あるのでしょうか?
特徴的なおもしろい商品を同じ人に「こんなのとか、こんなのもあるよ」と勧めることって意味があるのでしょうか?
Amazonさんほど大量の商品を抱えているわけではないのに、購買可能性のモデリングを作り、購買確率が高そうな顧客に商品をDMで勧めることはビジネスインパクトとして効果があるのかと感じてしまうわけです。

このようなモデルなら、むしろリコメンデーションよりは、コールセンターという顧客との最初の接点を大事にする方が有効と考えます。例えば、顧客との最初の数回のやり取りで、その顧客にあったオペレーターをディスパッチできるようにした方が有効かもしれません。すると調べるべきは、EC業界のリコメンデーション手法ではなく、最適なオペレーターのマッチングになります。ある保険会社の例では、コールセンターのオペレーター毎に顧客との親和性をスコア測るモデルを持っており、最初の応答で最適なオペレータにつなぐということをしています。

一見さんのお客さんであっても、最初の数回の応対で親和性の高そうなオペレーターにつなげられるのであれば、そちらの方が自社の競争力強化につながるデータ活用だと言えますよね。儲け話のメカニズムとキードライバーによって使いどころが違いますよねという話です。

センサーデータは今後ものすごく流行ってくる領域です。センサーデータの例で有名なのはコマツさんやロールスロイスさんの事例です。

・コマツ(コムトラック)の例

コマツさんでは、コムトラックという仕組みで建機の稼働している場所と稼働状況を把握しています。このデータは2つの活用があります。
需要予測:
大型の建機は受注生産になるので、納期を短縮するには中間在庫が必要になります。しかし、中間在庫はP/Lを痛めますので、経営から見ると極力中間在庫を持たなくて済むようにしたいわけです。一方で、顧客のニーズから見れば、発注後にすぐに納品される方がうれしいわけです。コムトラックの稼働状況を見る事により、エリア別/タイプ別の需要予測がしやすくなりますよね。完成までのリードタイムが長く、顧客のニーズと自社の経営の視点が二律背反するからこそ、ビッグデータを活用して精度の高い需要予測を行えると競争力の強化につながります。うまい使いどころだと思います。

与信管理:
もう一つが与信管理です。普及価格帯の建機を大量に販売していこうとすると、例えばアジア圏の地場の建設会社に販売する場合、現金一括で支払う余力は無いので、販売先を広げるためにはリースで販売する必要があります。リースとなれば当然ながら貸し倒れのリスクが伴いますよね。かといって現金払いのみに限定すると、まず受注のボリュームは得られません。リスクをとって拡大させるか、堅めに行って、収益の安定性をとるのか、どちらにするかは難しい判断です。しかし、稼働状況をリアルタイムで監視することができれば、「この建機はこれだけ稼働しているから、この企業は貸し倒れリスクが低いのでもう一台売る事ができる」や、このエリアの仕事はまだまだ飽和していないなどといった支払い体力を測る目安にして、与信管理を行うことが可能になります。

・ロールスロイスの例

ロールスロイスは車で有名ですが、世界でもトップシェアを持つ航空機エンジンサプライヤーです。

航空機業界の話を少しすると、航空機はすごく高い値段がするのですが、エアライン会社が航空機を買う時は実際の原価から見ると、もの凄く格安で購入しているので、航空機部品サプライヤーはほぼただ同然とは言いませんが、原価割れとかで部品を提供する事になります。では、どこで収益を得て行くのか。プリンターの本体とトナーと同じ関係と言えば分かりやすいですが、その後の保守・メンテナンスの際に利用・交換する部品を定価で買ってもらう事で収益を得て行くのです。ですので、一つのモデルに投資にして、回収されるまでにそれこそ10年、20年と言う期間を見て行く必要があります。逆に言えば、ロングセラーのヒット商品となる機体に部品を納入し、長年使ってもらえればそれこそドル箱になりうるメカニズムになります。だからこそ、交換部品は常に自社のものを買ってもらわないと困る訳です。

一方で、航空機エンジンの顧客であるエアライン側の視点で見てみましょう。JALさんの経営破綻の時にも騒がれましたが、エアライン会社は何千億円という量の航空機部品の在庫を抱えています。人の命にかかわる機械なので、飛んでいる時の故障は許されませんし、飛ぶ前に故障があったら飛べませんので、その間はその機体からは収益を得る事ができません。ですので、エアライン会社は主要空港の整備工場に多くの部品を抱えていないといけません。ただ、飛行機の部品は非常に高いです。すると当然ながら部品の在庫費用は下げたいと言う想いにかられて、許認可さえ通るなら純正品ではなく、サードパーティーでもいいよねというメカニズムが働きます。

では、どうしましょうかと言った時に、エンジンにセンサーが組み込んであるので、そのセンサーデータから故障の予測をたてられることができます。そして、故障予測に自信があれば、エアライン会社に対して「この部品を持っておけば大丈夫ですよ」という情報を提示するだけでなく、「我々の在庫扱いであなたの倉庫に必要な部品を置いておき、使った分の部品代だけ請求します。」といういわゆる富山の薬売りのようなコンサインメント型のサービスを始めることができます。究極的には、エアライン会社は飛行機を飛ばして収益を得ることが目的の企業であり、エンジンを保有する企業ではないと捉え、エンジンの稼働時間に対してお金を請求するというサービスを展開することも可能になります。センサーデータの活用で稼働状況や故障・メンテナンスの予測などが分析できるよになれば、実現できるサービスの幅は広がって行きます。

センサーデータは今後の鍵になると言われていますが、流行っているから使うのではなく、自分達の儲け話のメカニズム、競争力の強化のキードライバーに寄与するか否かを考えて行くべきと思います。Amazonは顧客経験・顧客満足度と言うものを中心にメカニズムを組んで、そこにビッグデータを活用していました。ロールスロイスは、きっと世界で一番良いエンジンを作る、ではなく、安定的なエンジンを提供してエアライン(顧客)の収益に貢献するためにはどうすべきか、と言うところから競争力強化に向けた活動を始めたのでしょう。どうせ「ビッグデータを考えと!」と騒ぐなら、こういう本質的な競争力強化から考えれば良いのにな、と思っております。

「競争力強化にビッグデータを織り込む」のまとめです。

  • 上司にいきなり「ビッグデータやれ!!」と言われても、 同業界の事例集めやビッグデータの事例集めから入らない。 データサイエンティストの方は、いきなり分析やモデル作りから入らない。
  • そもそも、 「自社の儲け話のメカニズムってなんだっけ?」 「キードライバーってなんだっけ?」 を自ら考えるか、質問をしてみる。 ⇒顧客のアンメットニーズに応えるためには??
  • 分析の前に「自社の事業構造にインパクトを与える領域のビッグデータ活用の検討を行う・事例の調査を行う」方が効果的・効率的。

続いて、ビッグデータ活用の2つ目である「早い・正しい・細かいデータに基づきPD(CA)∞サイクルを回す」になります。

次回に続く。→後編はコチラ

SERVICE

SERVICE

BANNER

graffe

grip

GiXo BLOG

recruit

Aibou

amazon web service partner network

TAG BOX